Enhancing Thin-Film Wafer Inspection With A Multi-Sensor Array And Robot Constraint Maintenance
作者: Néstor Eduardo Sánchez-Arriaga, Ethan Canzini, Nathan John Espley-Plumb, Michael Farnsworth, Simon Pope, Adrian Leyland, Ashutosh Tiwari
分类: cs.RO, eess.SP
发布日期: 2025-03-07
备注: Under review for Nature Scientific Reports. Patent under review (GB2417203.3, UK)
💡 一句话要点
提出基于多传感器阵列和机器人约束维护的薄膜晶圆检测增强方案
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 薄膜检测 机器人操作臂 多传感器阵列 约束维护 自动化检测
📋 核心要点
- 现有薄膜检测设备难以精确扩展到大面积基板，且自动化检测中晶圆的运动约束问题亟待解决。
- 提出一种基于机器人操作臂和多传感器阵列的自主检测系统，通过学习约束流形控制晶圆运动。
- 实验验证了该系统在满足运动约束、静态厚度测量精度和动态角度变化检测方面的有效性。
📝 摘要（中文）
薄膜涂层制造中，大面积基板上的薄膜检测是确保产品质量的关键环节。然而，由于现有检测设备的局限性，精确地在大面积上扩展检测过程面临巨大挑战。此外，在自动化检测过程中，硅晶圆需要运动约束以确保精确测量和防止损坏，这带来了额外的操作难题。本文提出了一种自主检测系统，该系统使用带有新型学习约束流形的机器人操作臂来控制晶圆到达其校准点，以及一种具有高潜力扩展到大基板面积的新型多传感器阵列。实验表明，该操作臂可以在满足运动约束的同时执行所需的运动。此外，传感器阵列可以静态地执行厚度测量，误差小于2%，与商业反射计相比。通过使用操作臂，可以动态地检测到偏离校准点大于0.5°的角度变化，同时监测超过1406个数据点的RMSE和R²。这些特性可能对检测卷对卷（R2R）制造过程中的位移变化非常有用。
🔬 方法详解
问题定义：论文旨在解决大面积薄膜晶圆检测中，现有设备难以精确覆盖大面积区域，以及自动化检测过程中晶圆运动约束带来的挑战。现有方法通常存在检测范围有限、自动化程度低、易损坏晶圆等问题。
核心思路：论文的核心思路是结合机器人操作臂和多传感器阵列，利用机器人操作臂实现晶圆的精确运动控制和约束维护，同时利用多传感器阵列实现大面积、高精度的薄膜厚度检测。通过学习约束流形，操作臂能够安全、准确地将晶圆移动到校准点。
技术框架：该自主检测系统主要包含两个核心模块：一是机器人操作臂及其约束控制系统，二是多传感器阵列。机器人操作臂负责晶圆的运动和定位，约束控制系统通过学习约束流形，保证晶圆在运动过程中满足特定的运动约束。多传感器阵列负责薄膜厚度的测量，通过多个传感器协同工作，实现大面积的覆盖。整体流程为：首先，操作臂将晶圆移动到初始位置；然后，约束控制系统控制操作臂按照预定的轨迹运动，同时保证晶圆满足运动约束；最后，多传感器阵列对晶圆表面的薄膜厚度进行测量。
关键创新：论文的关键创新在于：1）提出了一种新型的学习约束流形，用于控制机器人操作臂的运动，保证晶圆在运动过程中满足特定的运动约束。2）设计了一种新型的多传感器阵列，具有高潜力扩展到大基板面积，实现大面积、高精度的薄膜厚度检测。
关键设计：关于学习约束流形，具体实现细节未知，但可以推测可能使用了机器学习方法，例如强化学习或模仿学习，从专家数据中学习得到操作臂的运动策略，从而保证晶圆在运动过程中满足特定的运动约束。多传感器阵列的具体传感器类型和排列方式未知，但可以推测可能使用了光学传感器或电容式传感器，通过多个传感器协同工作，实现大面积的覆盖。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该系统中的传感器阵列能够静态地执行厚度测量，误差小于2%，与商业反射计相比。此外，通过使用操作臂，该系统能够动态地检测到偏离校准点大于0.5°的角度变化，同时监测超过1406个数据点的RMSE和R²，验证了其在动态检测中的有效性。
🎯 应用场景
该研究成果可应用于薄膜涂层制造、卷对卷（R2R）制造等领域，实现大面积基板上的薄膜质量检测自动化，提高生产效率和产品质量。该系统能够精确控制晶圆运动并进行高精度测量，有助于减少产品缺陷，降低生产成本，并为未来更大规模的自动化生产提供技术支持。
📄 摘要（原文）
Thin-film inspection on large-area substrates in coating manufacture remains a critical parameter to ensure product quality; however, extending the inspection process precisely over a large area presents major challenges, due to the limitations of the available inspection equipment. An additional manipulation problem arises when automating the inspection process, as the silicon wafer requires movement constraints to ensure accurate measurements and to prevent damage. Furthermore, there are other increasingly important large-area industrial applications, such as Roll-to-Roll (R2R) manufacturing where coating thickness inspection introduces additional challenges. This paper presents an autonomous inspection system using a robotic manipulator with a novel learned constraint manifold to control a wafer to its calibration point, and a novel multi-sensor array with high potential for scalability into large substrate areas. We demonstrate that the manipulator can perform required motions whilst adhering to movement constraints. We further demonstrate that the sensor array can perform thickness measurements statically with an error of $<2\%$ compared to a commercial reflectometer, and through the use of a manipulator can dynamically detect angle variations $>0.5^\circ$ from the calibration point whilst monitoring the RMSE and $R^2$ over 1406 data points. These features are potentially useful for detecting displacement variations in R2R manufacturing processes.